連續(xù)字符軌跡手勢(shì)識(shí)別及其應(yīng)用.pdf

1、動(dòng)態(tài)連續(xù)軌跡手勢(shì)識(shí)別是人機(jī)交互中極其重要的一部分，準(zhǔn)確、自然的連續(xù)軌跡手勢(shì)識(shí)別有助于提高人機(jī)交互效率，因此在醫(yī)療、機(jī)器人等各個(gè)領(lǐng)域被大力推進(jìn)與發(fā)展。傳統(tǒng)連續(xù)手勢(shì)識(shí)別的算法存在分割不自然、對(duì)不同復(fù)雜度軌跡的識(shí)別泛化能力差等問(wèn)題。本文的主要研究工作如下：
　　針對(duì)連續(xù)軌跡分割不自然的問(wèn)題，本文提出一種基于模型信息的連續(xù)軌跡分割算法。算法通過(guò)檢測(cè)連續(xù)軌跡末尾所存在的減速區(qū)域來(lái)進(jìn)行軌跡的自動(dòng)分割，并且為了濾除連續(xù)軌跡中由于書寫轉(zhuǎn)折以及停頓

2、所引入的噪聲，結(jié)合了動(dòng)態(tài)時(shí)域規(guī)整算法使用模板的先驗(yàn)信息來(lái)捕獲與模板相似的軌跡段，在此之后結(jié)合識(shí)別算法在等時(shí)間間距序列中進(jìn)行減速區(qū)域的檢測(cè)。本文的方法最終能夠?qū)崿F(xiàn)自然、實(shí)時(shí)、準(zhǔn)確的非停頓式連續(xù)軌跡分割，相比傳統(tǒng)的分割算法更加高效。
　　針對(duì)連續(xù)軌跡識(shí)別算法對(duì)不同復(fù)雜度軌跡的識(shí)別魯棒性低的問(wèn)題，本文提出了一種結(jié)合多特征的結(jié)構(gòu)化動(dòng)態(tài)時(shí)域規(guī)整算法。算法結(jié)合了軌跡識(shí)別中高效的方向特征以及位置特征來(lái)擬補(bǔ)單一特征的不足，為了克服位置特征的尺度敏

3、感性，文中使用PCA算法根據(jù)不同軌跡的主方向進(jìn)行歸一化。除此之外還利用了軌跡的結(jié)構(gòu)化信息并結(jié)合權(quán)值策略來(lái)改進(jìn)傳統(tǒng)動(dòng)態(tài)時(shí)域規(guī)整算法，相比于傳統(tǒng)方法最終提升了識(shí)別算法的效果和魯棒性。
　　針對(duì)個(gè)性化問(wèn)題，算法使用多個(gè)模板來(lái)描述一個(gè)類別，使算法能夠有效的克服不同用戶書寫軌跡的差異。為了優(yōu)化模板數(shù)量以及選取較優(yōu)的代表性模板，本文基于 K-means聚類算法和遺傳算法來(lái)進(jìn)行模板的選取以及參數(shù)的調(diào)節(jié)。除此之外，本文還提出一種任意自由度的單指尖

4、檢測(cè)、跟蹤算法來(lái)提取用戶軌跡以消除因交互方式引入的書寫誤差。實(shí)驗(yàn)表明所提出的算法針對(duì)不同用戶的識(shí)別結(jié)果相近，因此證明算法能夠克服不同用戶的書寫差異性。
　　本文所提出的算法主要在復(fù)雜的連續(xù)字符軌跡數(shù)據(jù)集上進(jìn)行了驗(yàn)證且平均 F值達(dá)到86.26％，高于傳統(tǒng)方法。此外算法還在較為簡(jiǎn)單的連續(xù)數(shù)字軌跡數(shù)據(jù)集上進(jìn)行了驗(yàn)證，識(shí)別率達(dá)到95.8%。結(jié)果表明算法能夠?qū)崟r(shí)、準(zhǔn)確且自然的分割并識(shí)別出不同復(fù)雜度軌跡，最終本文還將算法在醫(yī)用平臺(tái)上進(jìn)行了有效